1.一种提高跌倒检测系统精度的方法，其特征在于，所述方法包括如下步骤：步骤1：跌倒检测系统的训练阶段，包括四个步骤：

1.1：传感器数据采集和预处理；

1.2：特征值获取；

1.3：建立行为识别模型；

1.4：得到特征值对应阈值；

步骤2：跌倒检测系统的识别阶段，包括四个步骤：

2.1：传感器数据采集和预处理；

2.2：特征值获取；

2.3：跌倒触发过程；

2.4：纠正判断过程；

所述特征值是指合加速度特征值和垂直速度特征值；

其中步骤2的传感器数据采集和预处理、特征值获取步骤与步骤1的对应步骤内容相同；

所述建立行为识别模型具体为：使用K个时间窗，从而形成K个特征向量 构成的特征值集合 同时将每种行为标记与其相应的特征值集合S对应起来，构建行为标记与特征值间集合S的映射关系，建立识别模型，其中frss表示合加速度，fvve表示垂直速度值；

所述传感器数据采集和预处理包含以下步骤：步骤1-1-1：启用智能手机加速度传感器，设置加速度传感器的采样频率为fsa，分别采集跌倒行为与日常行为的加速度传感器数据ai(t)，i＝0，1，2，表示传感器x轴、y轴和z轴，数据ai(t)为离散数据，同时由人工标记跌倒行为和日常行为；

步骤1-1-2：先用截至频率为fmc的阶数为a的中值滤波器和截至频率为flc的阶数为b的低通滤波器去除ai(t)中的噪声na(t)，得到滤波处理后的加速度传感器数据aiτ(t)；

所述得到特征值对应阈值包含以下步骤：步骤1-4-1：根据行为识别模型和特征向量 使用不同分类算法对跌倒行为和日常行为进行分类，跌倒行为视为正样本，日常行为视为负样本；

步骤1-4-2：分析分类算法的分类准确度，敏感度和特异性，其中准确度定义为在该分类算法下正确区分出的正负样本的数量总和与训练总样本数的比值，敏感度定义为在该分类算法下正确区分出的正样本的数量总和与训练样本中正样本总数的比值，特异性定义为在该分类算法下正确区分出的负样本的数量总和与训练样本中负样本总数的比值；

步骤1-4-3：选择分类效果最好的分类算法，考虑到跌倒行为的特殊性，即跌倒未报的后果要比跌倒误报的后果严重，因此算法选择标准为首先敏感度高，其次准确度和特异性保持在较高的水平；

步骤1-4-4：根据选择的分类效果最好的分类算法，得到特征向量 对应的特征值的阈值，即frss对应阈值Thrrss，fvve对应阈值Thrvve，其中frss表示合加速度，fvve表示垂直速度值。

2.根据权利要求1所述的提高跌倒检测系统精度的方法，其特征在于所述跌倒检测系统的识别阶段具体包括：

步骤2-1：对经过预处理的加速度传感器数据进行特征值获取，得到特征向量步骤2-2：跌倒触发过程中，判断frss是否大于其阈值Thrrss或者垂直速度值fvve是否大于其阈值Thrvve，如果其中之一大于阈值，则进入纠正判断过程；

步骤2-3：纠正判断过程中，通过方向传感器提取跌倒发生的暂态时间中手机围绕x轴的旋转角度，如果该角度大于60°且跌倒后通过GPS发现用户位置不变，则跌倒检测系统检测到用户跌倒行为，可以进入其他模块的执行，其中frss表示合加速度，fvve表示垂直速度值。

3.根据权利要求2所述的提高跌倒检测系统精度的方法，其特征在于，步骤2-2中，在跌倒触发过程根据训练阶段获得的阈值Thrrss和阈值Thrvve分别与识别阶段提取的对应特征值frss和特征值fvve比较，可以区分出跌倒行为，即判断frss是否大于其阈值Thrrss或者垂直速度值fvve是否大于其阈值Thrvve，如果其中之一大于对应阈值，则进入纠正判断过程。

4.根据权利要求2所述的提高跌倒检测系统精度的方法，其特征在于，步骤2-3中，纠正判断过程中通过方向传感器提取跌倒发生的暂态时间中手机围绕x轴的旋转角度并判断该角度是否大于60°的步骤为，即在跌倒发生的暂态时间中，对方向传感器围绕x轴的旋转角度收集n次数据，若该数据中有m次手机围绕x轴转过的角度大于60°，计算 如果大于0.75且跌倒后通过GPS判断用户位置不变，则判断用户发生跌倒行为，可以进入其他模块的执行。